基于圖像處理的螞蟻計數方法研究

張震 肖冰冰

摘 要：針對目前人工螞蟻計數的困難性，本文選擇圖像處理的方法實現螞蟻圖像的自動計數。首先對所采集到的圖像進行圖像灰度化、圖像銳化、圖像二值化、形態學處理等一系列預處理，達到減少圖像復雜度，以及圖像優化的目的，為最后的圖像準確計數奠定基礎；在圖像計數時采用連通域標記的方法對處理后的圖像進行標記和計數，并將結果顯示在對話框內。結果表明該方法計數準確率較高，具有良好的效果。

關鍵詞：圖像灰度化；形態學處理；連通域標記

中圖分類號：TP751 文獻標識碼：A

文章編號：2096-1472（2018）-07-01-03

1 引言（Introduction）

隨著城市化的快速推進，越來越多的螞蟻棲息地被人類占有，使許多螞蟻不得不進入室內與人相伴而產生危害。螞蟻密度過大時，它們會破壞房屋建筑、叮咬，以及襲擊人類，對人們的生活和安全產生很嚴重的影響。

圖像處理是21世紀的一門新興學科，目前主要的技術有傳統的圖像處理技術及圖像分析和理解的智能處理技術。傳統的圖像處理包括圖像的基本運算、圖像變換、圖像的邊緣檢測、圖像重建等。圖像分析和理解的智能處理包括圖像特征分析、圖像識別、基于內容的圖像檢索和圖像數字水印等[1]。

對螞蟻的數量進行計數固然重要，但實現卻是相當困難的。主要原因有兩個：一是螞蟻的體型問題；二是螞蟻群居的生活習性問題。本文研究的主要目的就是解決這兩大問題，能夠準確且方便的對螞蟻的數量進行統計。本文利用圖像處理的方法對圖片進行處理，以便于解決以上難題。

2 軟件平臺介紹（Introduction of software platform）

在計算機快速發展的浪潮下，與之相關的語言也越來越多，目前市面上比較流行的進行圖像處理的語言主要有MATLAB、C++、Python。MATLAB的編程語言簡潔實用，它擁有良好的編程界面，編程的效率高。因此，本文選擇MATLAB對圖像進行處理。

3 圖像預處理（Image preprocessing）

3.1 圖像處理流程圖

圖像處理流程圖如圖1所示。

3.2 圖像灰度化

由于采集到的圖像一般為彩色圖像，因此先將其轉化為灰度圖像以減少計算的復雜度[2]。在灰度化處理過程中所使用的方法是加權平均值法。灰度化處理之前的圖像和灰度化處理之后的圖像分別如圖2和圖3所示。

3.3 圖像平滑

我們采集到的圖像往往會存在噪聲，這主要是由于兩個方面導致的：一方面是由于圖像在獲取、傳輸和記錄時，成像設備和記錄儀器的精密度差；另一方面是由于自然界的客觀原因造成的，例如目標圖像和背景顏色相近等。圖像平滑主要有四種方法，分別是鄰域平均法、低通濾波法、多圖像平均法和中值濾波法。本文選擇中值濾波法[3]，其處理結果如圖4所示。

3.4 圖像銳化

經過圖像平滑處理后的圖像會變的不清晰，為了解決這種狀況，本文采用圖像銳化的方法，消除噪聲處理后產生的模糊現象，增強圖像的清晰度。本文中選擇laplace算子[4]對圖像進行銳化，銳化結果如圖5所示。

3.5 圖像二值化

在數字圖像處理中，二值圖像占有非常重要的地位。圖像的二值化有利于圖像的進一步處理，使圖像變得簡單，而且數據量減少，能突顯出感興趣的目標的輪廓。圖像二值化主要有迭代法、最大類間方差法和最大熵法三種方法[5]。在此，采用最大類間方差法對圖像進行處理，處理結果如圖6所示。

3.6 形態學處理

與圖像銳化及圖像平滑等方法相比，數學形態學方法具有不可替代的優點，它使圖像更加簡單，去除非目標部分，同時目標圖像的形狀和大小不會發生明顯變化。更重要的是，該算法可以同時完成兩個操作，它可以很好的去除圖像中的噪聲而不會破壞到有用的圖像信息，而且對于邊緣的處理效果也比較平滑[6]。本文依次對圖像進行腐蝕、膨脹、開閉運算的操作，處理結果如圖7所示。

4 圖像計數（Image count）

4.1 二值圖像取反

由于在接下來所使用的標記函數是對圖像中的白色區域進行處理，因此，對二值圖像進行取反處理，即黑變白、白變黑的處理。取反后的圖像如圖8所示。

4.2 連通域標記

二值圖像分析最重要的方法就是連通區域標記[7]，它是所有二值圖像分析的基礎，它通過對二值圖像中白色像素的標記，讓每個單獨的連通區域形成一個被標識的塊，進一步的我們就可以獲取這些塊的輪廓、外接矩形、質心、不變矩等幾何參數。

對連通區域進行標記的方法有許多，有些方法可以一次遍歷圖像，有些方法則需要兩次或更多次來遍歷圖像。本文采用一次遍歷圖像的方法[8]，它一次遍歷圖像，并記下每一行（或列）中連續的團和標記的等價對，然后通過等價對對原來的圖像進行重新標記。連通區域標記的結果如圖9所示。

4.3 計數結果

利用bwlabel函數，完成連通域的標記，并實現圖像的計數。為了方便多次計數，本文設計了一個對話框，將計數結果以對話框的形式顯示出來，計數結果如圖10所示。

任何結論的得到，都需要大量數據的支撐，單單一組數據是不能說明什么問題的。因此，本文對采集到的十組圖片均進行了計數處理，所有圖像的結果如表1所示。

將以上結果進行平均處理，得到結果為96.8541%，對上述結果分別觀察，我們可以看到實驗結果的浮動性偏大。這是因為當背景與目標的差別較小時，容易造成誤差，使結果不理想；當背景與目標差別較大時，能夠很容易分辨出目標圖像，結果誤差較小。

5 結論（Conclusion）

通過對圖像的灰度化、二值化、形態學運算等一系列圖像預處理，并采用連通域標記的方法，很好地完成了圖像計數的目的，且計數結果準確度較高，處理方法簡單，具有很好的應用前途。通過該設計能夠實現自動計數，有助于改善人工計數的耗時、耗力等缺點。

參考文獻（References）

[1] 姚青，呂軍，楊保軍，等.基于圖像的昆蟲自動識別與計數研究進展[J].中國農業科學，2011，44（14）：2886-2899.

[2] 阮秋琦.數字圖像處理學[M].北京：電子工業出版社，2007：429-438.

[3] 冼鼎翔.基于圖像的水稻燈誘害蟲識別技術的研究[D].浙江理工大學，2015：20-23.

[4] 何新江.嵌入式水稻燈誘害蟲圖像采集與處理系統的研究[D].浙江理工大學，2016：27-29.

[5] Mohammadmehdi Maharlooei，S.Sivarajan，Sreekala G.Bajwa，et al.Detection of soybean aphids in a greenhouse using an image processing technique[J].Computers and Electronics in Agriculture，2017（132）：63-70.

[6] 顏丙生，趙俊杰，湯寶平，等.基于圖像處理和光電技術的儲糧蟲害監測系統研究[J].糧食與油脂，2016，29（10）：70-73.

[7] 陳梅香，楊信廷，石寶才，等.害蟲自動識別與計數技術研究進展與展望[J].環境昆蟲學報，2015，37（01）：176-183.

[8] 李文勇.基于機器視覺的果園性誘害蟲在線識別與計數方法研究[D].中國農業大學，2015：47-48.

作者簡介：

張 震（1966-），男，博士，教授.研究領域：信息與通信工程.

肖冰冰（1996-），女，本科生.研究領域：圖像處理.